基于改进型YOLOv5s的番茄实时识别方法

打开文本图片集

摘要：针对现有番茄检测精度低、没有品质检测和部署难度高等问题，提出基于YOLOv5s改进的番茄及品质实时检测方法，并与原始YOLOv5模型及其他经典模型进行对比研究。结果表明，针对番茄大小不同的问题，采用K-Means++算法重新计算先验锚框提高模型定位精度；在YOLOv5s主干网络末端添加GAM注意力模块，提升模型检测精度并改善鲁棒性；应用加权双向特征金字塔网络（BiFPN）修改原有结构，完成更深层次的加权特征融合；颈部添加转换器（transformer），增强网络对多尺度目标的检测能力。（剩余9181字）